close
企業趨勢專題特寫

Watson 更加關心你? 某天人工智能也許會成為你的面試官

最近最紅的 IT 話題,一定是人工智能。圍棋向來被視為最複雜的遊戲,當人類連這一領域也認輸,人工智能幾乎已經無所不能。比 Google 還早研究人工智能的 IBM,就已經把 Watson 應用於更多生活範疇,日後你能否有新工作,可能還要先問准 Watson 先生。

 

人工智能可做到哪個地步?

Google 研發 DeepMind 技術的 AlphaGo 人工智能,最近挑戰人類圍棋高手李世石,結果連下三城,打破人們的想像,令人再次關心人工智能技術的發展和可能性。其實人工智能早已走入大家的生活中,由 Siri 到 Google Now,智能助理已走入尋常百姓家,但到底人工智能可以做到哪一個地步,卻仍然有人在挑戰。

IBM 早在 20 年前已在研究人工智能,其研究成果超級電腦深藍(Deep Blue)就專門分析西洋象棋,1997 年更擊敗當年的西洋棋世界冠軍卡斯巴羅夫(Garry Kasparov),震驚全世界。深藍的勝利當時已引來一些人的憂慮,擔心科幻電影如《未來戰士》的橋段會出現,但更多人期望人工智能發展可協助人類解決更多現實的問題。

20 年後的今天,人類還未滅亡,但人工智能發展卻沒有停下來。當年深藍的設計是專門研究西洋象棋,但今天的人工智能早已不限於一兩種使用領域。圍棋是人類發明的所有遊戲中最深奧的,其思路變化是西洋象棋的數百倍,向來被視為人工智能難以達到的「聖母峰」,因此 Google AlphaGo 的勝利才會受到如此重視。

 

當電腦像人腦般可以自主學習

今年一月底,科學論文雜誌《自然》刊登了 Google AlphaGo 在沒有讓子的情況下,完勝歐洲圍棋冠軍的消息,激起了科技界和圍棋界人士的熱烈討論,Google 更下戰書挑戰近十年被譽為最強的傳奇棋手韓國李世石九段,而賽果已經被廣泛報導了。

深藍的勝利只是運算能力的優勢:每秒鐘計算兩億步棋,把所有可能全列出後再選一步最高分數、最好的。但不同於深藍的人工智能,Google AlphaGo 的背後用的是 DeepMind 技術,而 IBM 最新的人工智能 Watson 也採用 Deep Learning 技術,具備自主學習的能力。

道家《莊子》有曰:吾生也有涯,而知也無涯,以有涯隨無涯,殆已。直譯,就是人類知識太多、太廣泛,人類要學懂所有知識是沒有可能的。但對電腦卻不是如此,在平行運算、雲運算技術廣泛應用的今天,就算是預測明天天氣也變得可行,要學習比人類還要多的知識,並非不可能。

alphago-third-round

 

勝了圍棋只是「小事情」

從這個角度來看,人工智能勝了圍棋真的只是「小事情」。你想想,再厲害的圍棋機器人也沒什麼商業價值,畢竟這只是小眾興趣,更別提一般人下棋只是為了娛樂,不是挑戰難度。深藍當年的勝利能振興 IBM 股價,當然不是因為 IBM 可以推出西洋棋遊戲賣錢,而是人們相信人工智能可做更多的事。

20 年前的深藍是為了挑戰西洋象棋而設計,因此當勝過世界棋王後就已經可以退役。但 Deep Learning 技術就像人腦一樣有無限可能性:只要你教給它圍棋,它就學圍棋;教它烹飪,它就學烹飪。人工神經網絡是一種複雜的非線性系統,即使是複雜的抽象概念也能理解,只要讓它們有足夠的資料學習,理論上沒什麼事可以難倒。

而在剛於澳門舉行的 IBM Executive Summit 2016 上,IBM 就展示了他們研發的深度學習人工智能 Watson 的各種可能性。由大家在科幻電影會見到的智能助理,到創造新菜式的 Chef Watson,以至應用到分析股市、消費者行為,甚至連接待員、面試官也做了,認知運算時代(Cognitive Era)已經來臨。

IBMWatson002

 

認知運算時代已經來臨

早前 Unwire.pro 就報導過,IBM 去由傳統 IT 方案供應商的業務,轉型為以提供雲端服務和認知商業為主的業務模式。而這已經陸續開始反映在業績之上,IBM 香港區總經理戴澤棠向 Unwire.pro 透露,去年 IBM 的收入中就有 35% 來自認知運算(Cognitive computing)和雲計算,而且預期未來比重將會更高。

「經過十多個季度的轉型,IBM 現在已逐步成為一家以提供認知運算和雲計算服務的公司,基於這兩項新業務的收入也由 2013 年的 22% 增至去年的 35%。我們預期這個比例會繼續提高,成為更重要的收入來源,但同時也會保留現有的傳統 IT 業務以應對客戶要求。」戴澤棠說。

現在幾乎每家公司都會討論「大數據」,但當非結構化數據愈來愈多,這些看不見的、易被忽略的數據將愈來愈多。而認知運算就讓電腦學習像人類般思考,了解結構化及非結構化數據後自行推測、深思、論證、推論,突破人類分析的盲點。

基於認知運算的各種解決方案,將在不同領域為人類提供服務,甚至可改變人們學習、生活、交易、建立關係、競爭與致勝的方式。而 IBM Watson 正是認知運算的實際應用,據戴澤棠透露已有多達 42 個 API 可以運用,並陸續應用在商業分析、會計、金融、醫療、烹飪、接待等不同領域。

IBMWatson001

 

理解自然語言、做到真正「對答」

換言之,下棋其實只是很「小兒科」的事。藉由借助 IBM Watson,其實能為人類處理更多更生活化的事。例如希爾頓酒店集團就開始在美國維珍尼亞州的 Hilton McLean 酒店,測試使用 IBM Watson 技術的人工智能禮賓機械人。

酒店住客可向機械人查詢常見的問題,例如酒店附近有何景點、餐廳、名勝之類,當然也能查詢酒店信息。查詢當然是透過語音對答進行,而背後正是利用了 IBM Watson 的深度認知技術,處理自然語言分析並理解內容後對答。

以前也有人做過對答的人工智能,如果有一定網齡的讀者可能都在 MSN 或網上聊天室對答過。你會發現經常「牛頭不對馬嘴」,原因正是當時電腦沒有理解語言。而自然語言分析就做到真正了解問題是什麼,並從雲端找到正確的解答,背後便是深度學習的成果。

類似的機械人助理已開始應用在各種服務業的接待工作,例如美國的希爾頓酒店、日本的三菱日聯銀行和軟銀等,不僅作為一種綽頭,普及後更有助減少對服務人員的人手依賴。有研究指在未來 30 年內將有一半人類的工作崗位會被自動化所取代,人性化的人工智能將令需要面向人類的部分工作更易用機械人取代。

IBMWatson008

 

深度學習醫療案例,減少斷錯症機會

也許有人覺得接待工作未必需要很高智能,但其實要了解 50 種語言並能快速對答,絕對不易。另一個 Watson 的應用是醫療,去年 IBM 就成立了 Watson Health 專注在醫療應用上,協助醫生做出更精準的醫療判斷。就像 Google AlphaGo 要先分析成千上萬的棋譜才能挑戰棋王,醫生同樣需要花大量時間研究案例,才能在臨床時有更正確判斷。

但問題是人類時間和記憶也界限,不可能所有案例都看過,而 IBM Watson 便正是作了這一個支援角色。透過用深度學習來了解大量的醫療案例,當醫生作判斷時就能提出多一個意見,若遇上比較罕見案例,醫生有可能會忽略某些可能性,這時 Watson 的意見就能作為一個保險。

初創公司 Pathway Genomics 就與 IBM 合作研究,將會收集及分析求診者的基因序列分析後,將結果送予 Watson 分析,從而提出建議飲食習慣、作息、運動、藥物應用的改善。如果再配合 Watson IoT 物聯網技術,未來可配合穿戴式裝置掌握更多使用者的身體數據,不僅可改善健康甚至有助更多的醫療科學研究。

 

分析股票保險,助人類作出最佳決定

回到更多人關心的金融服務類別。在剛過去的 IBM Executive Summit 2016 上便展出了多款基於認知運算的商業方案。例如保險業可分析保單和保費,除可檢查各種理賠申請的可信性和應賠金額外,也可按申索次數和金額而自動化計算續保時的保費,甚至利用物聯網技術掌握投保人的生活和飲食習慣,為客戶訂製更適合的保險計劃。

又例如股票分析往往看股民情緒,並非只看企業的業績。IBM Watson 就可透過自然語言分析,收集該公司在網絡上被報導和討論的活躍程度,甚至能分析內文是屬於正面的還是負面的,從而掌握股民情緒,協助持股的基金或企業及早作出部署。雖然現場指並未做到直接按分析結果自動買賣,但用作個人理財智能助理卻絕對有其價值。

it-profession

 

能否找到新工作,要問 Watson?

但在 IBM Executive Summit 2016 上最教 Unwire.pro 眼前一亮的,是把 IBM Watson 用於人力資源(HR)上。還記得文章開始前說「能否有新工作可能還要先問准 Watson」嗎?這並不是說人工智能要趕絕人類了,而是人工智能將成為「人事部」的一部分,未來你的面試官隨時包括了 IBM Watson。

網絡上有這樣的故事流傳:有一中國女生到德國留學,發現當地的地鐵沒有檢票口,為了省錢就每天都逃票。畢業後在歐洲求職,屢次被拒後發現,原來是因為她有數次逃票被抓的紀錄,企業認為她不值得信任,因此沒有公司願意聘用她。

故事真偽不是重點,而是現代的商業機構並非只重視一個人的學歷和能力,應徵者的品格、性格、態度等因素都是考慮之列。要對應徵者「起底」,尤其是數量比較多的求職者的時候,人力其實是很困難的,而 IBM Watson 便能協助機構收集應徵者在網路上的言行,再配合面試時的資料綜合分析,如果某些特質並不適合這崗位,就會拒絕聘用。

IBMWatson011

 

透徹員工評核、減少懷才不遇

既然可以判斷一個人是否適合聘請,那能不能判斷一個人是否在合適他的職位?人事部的工作也包括員工評核,而這工作也是主觀地由人類上司去做,那交由人工智能去做是否一樣可行?在 IBM Executive Summit 2016 上便也展出了這種方案。

人事管理學問有所謂「彼得原理」,即一個人會因為良好工作表現,而升遷到一個不符合他能力的位置並止步於此。有時現在的工作是否適合自己,連當事人也不知道,這也要看職位本身的特性和當事人的性格和能力。

而 IBM Watson 就可透過分析員工的本質,向人事部提供員工的生涯規劃建議,把真正被埋沒的「懷才不遇」找出來,安放到適合的位置,這對員工和公司而言也是「人盡其才」。

不少大機構都會有實習制度,新加入的員工會輪流在不同的部門工作過,再決定於哪一個部門發展,而政府公務員也有類似制度。未來這些實習制度也許能大為簡化,因是否適任的測試可利用 Watson 分析,大為減少多餘的實習時間,早日在適合的領域開始發展。

IBMWatson004

 

總結:人類是否該讓人工智能主宰人生?

從商業角度,人工智能強大對他們而言是有利多於有害,不僅可利用人工智能代替人類處理各種工作,而且其精準度更高於人類,失誤率亦更低。而像 AlphaGo 和 Chef Watson 的案例,其實也證明了人工智能會找到人類從未發掘過的可能性,並非只為棋藝和廚藝帶來全新的視野。

但從個體的角度,或是人類的角度來看,人工智能的強勢會否主宰了人類的人生?科幻電影裡人類會被電腦決定人生規劃,適合不適合什麼都一早被決定,但會否也否定了人類成長的可能性?尤其當有人跟你說,是人工智能覺得你不適合這工作,又會否有人會服氣?

另一方面,金融服務或各種商業機構,今天尚且未能完全做到「數據驅動」(Data Driven)的地步,要相信人工智能的判斷也許仍要一段日子。筆者疑慮的是,當人類把思考分析「外判」給電腦,太過相信人工智能去做決定會否反而令人變得更蠢了?就像今天大家可能已記不到親朋好友的手機電話號碼一樣。

這問題我也在 IBM Executive Summit 2016 上請教了 IBM 大中華區總裁陳黎明,他表示不需憂慮:「人類以前要背誦九因歌、圓周率,但現在都可以用計數機計算,人類有因此變蠢嗎?反而人腦因此可以做到更多、更深入的的研究,因此只會變得更聰明而已。」

嗯,筆者也希望如此吧。

n-350x500

 

 

作者:Boris Lee
Unwire.pro 資深編輯。在企業 IT 科技報道範疇有十多年經驗。

 

 

 

 

Tags : AlphaGodeep learningIBMWatsonWatson Health流動置頂
Boris Lee

The author Boris Lee

Unwire Pro 資深編輯,在企業 IT 科技報道範疇有十多年經驗。近年專注報導香港初創企業、本地資訊科技業界發展。